MULTIESTADO APLICADOS A LA Autómatas … · APLICACIONES DE LA TELEDETECCIÓN. TELEDETECCIÓN....
Transcript of MULTIESTADO APLICADOS A LA Autómatas … · APLICACIONES DE LA TELEDETECCIÓN. TELEDETECCIÓN....
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
1
AUTÓMATAS CELULARES MULTIESTADO APLICADOS A LA CLASIFICACIÓN CONTEXTUAL
ITERATIVA DE IMÁGENESDE SATÉLITE
A. Moisés Espínola Pérez- PROYECTO SOLERES -
24 de febrero de 2011
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
2 INDICE DEL SEMINARIO
Autómatas celulares multiestado aplicados a la clasificación contextual iterativa
TELEDETECCIÓN
AUTÓMATAS CELULARES
CLASIFICACIÓN CON AUTÓMATAS CELULARES
RESULTADOS OBTENIDOS
TRABAJOS FUTUROS
PREGUNTAS
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
3 INDICE DEL SEMINARIO
Autómatas celulares multiestado aplicados a la clasificación contextual iterativa
TELEDETECCIÓN
AUTÓMATAS CELULARES
CLASIFICACIÓN CON AUTÓMATAS CELULARES
RESULTADOS OBTENIDOS
TRABAJOS FUTUROS
PREGUNTAS
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
4 TELEDETECCIÓN
ELEMENTOS BÁSICOS DE LA TELEDETECCIÓN
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
5
IMÁGENES DE SATÉLITE MULTIESPECTRALES E HIPERESPECTRALES
TELEDETECCIÓN
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
6
BANDAS DE LAS IMÁGENES DE SATÉLITE
TELEDETECCIÓN
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
7
APLICACIONES DE LA TELEDETECCIÓN
TELEDETECCIÓN
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
8
ALGORITMOS DE CLASIFICACIÓN DE IMÁGENES DE SATÉLITE
TELEDETECCIÓN
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
9
ALGORITMOS DE CLASIFICACIÓN SUPERVISADOS Y NO SUPERVISADOS
TELEDETECCIÓN
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
10
ALGORITMOS DE CLASIFICACIÓN MÁS COMUNES
Clasificaciónno supervisada
Clasificaciónsupervisada
- K-medias
- Isodata
- Mínima distancia
- Paralelepípedos
- Máxima verosimilitud
TELEDETECCIÓN
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
11
ALGORITMO DE MÍNIMA DISTANCIA
INCONVENIENTESClasificación con mínima distancia
Sobreclasificación de píxeles(proclive a errores de comisión)
No considera la varianza(variabilidad de las clases)
TELEDETECCIÓN
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
12
ALGORITMO DE PARALELEPÍPEDOS
INCONVENIENTESClasificación con paralelepípedos
Algunos píxeles quedan sinclasificar
A veces algunos píxeles puedenclasificarse erróneamente en
varios grupos
TELEDETECCIÓN
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
13
ALGORITMO DE MÁXIMA VEROSIMILITUD
INCONVENIENTESClasificación con máxima verosimilitud
Gran coste computacional
Sobreclasificaciónde las firmas
TELEDETECCIÓN
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
14
ALGORITMOS CONTEXTUALES DE POSTCLASIFICACIÓN
Utilizados sobre todo para postclasificación.
Mejoran la clasificación clásica espectral usando tambiéninformación contextual de los vecinos de cada pixel.
Sobre todo están basados en la fórmula de Bayes.
TELEDETECCIÓN
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
15 INDICE DEL SEMINARIO
Autómatas celulares multiestado aplicados a la clasificación contextual iterativa
TELEDETECCIÓN
AUTÓMATAS CELULARES
CLASIFICACIÓN CON AUTÓMATAS CELULARES
RESULTADOS OBTENIDOS
TRABAJOS FUTUROS
PREGUNTAS
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
16 INDICE DEL SEMINARIO
Autómatas celulares multiestado aplicados a la clasificación contextual iterativa
TELEDETECCIÓN
AUTÓMATAS CELULARES
CLASIFICACIÓN CON AUTÓMATAS CELULARES
RESULTADOS OBTENIDOS
TRABAJOS FUTUROS
PREGUNTAS
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
17 AUTÓMATAS CELULARES
DEFINICION CONCEPTUAL DE AUTOMATA CELULAR
Autómata celular: modelo matemático para estudiar comportamientosde sistemas complejos (von Neumann, 40s).
Componentes: celdas, estados, vecindad, reglas y función de transición.
Vecindad de Neumann Vecindad de Moore
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
18 AUTÓMATAS CELULARES
DEFINICION FORMAL DE AUTOMATA CELULAR
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
19 AUTÓMATAS CELULARES
AUTÓMATAS CELULARES UNIDIMENSIONALES
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
20 AUTÓMATAS CELULARES
REGLAS MÁS CONOCIDAS DE STEPHEN WOLFRAM
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
21 AUTÓMATAS CELULARES
IMÁGENES MÁS CONOCIDAS DE STEPHEN WOLFRAM
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
22 AUTÓMATAS CELULARES
AUTÓMATAS CELULARES BIDIMENSIONALES. JUEGO DE LA VIDA
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
23 AUTÓMATAS CELULARES
SIMULACIÓN DEL JUEGO DE LA VIDA
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
24 AUTÓMATAS CELULARES
SIMULACIÓN DE DAÑOS PRODUCIDOS EN VEGETACIÓN POR INUNDACIÓN
Imagen original Imagen clasificada
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
25 AUTÓMATAS CELULARES
SIMULACIÓN DE NUBES EN IMÁGENES DE SATÉLITE
Imagen simulada con AC.3 fuentes de partículas.
Imagen NOAA14 actual. Clasificación (tierra, mar, nube y borde de nube).
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
26 AUTÓMATAS CELULARES
SIMULACIÓN DE PROPAGACIÓN DE INCENDIOS
Zona ardiendo y zona quemada
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
27 AUTÓMATAS CELULARES
PROCESAMIENTO DE IMÁGENES
(a) Imagen original, (b) Imagen con ruido, (c) Filtro Gaussiano, (d) Filtro ACs
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
28 AUTÓMATAS CELULARES
DETECCIÓN DE BORDES Y FRONTERAS
Imagen original (a) Algoritmo SUSAN, (b) Algoritmos ACs
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
29 INDICE DEL SEMINARIO
Autómatas celulares multiestado aplicados a la clasificación contextual iterativa
TELEDETECCIÓN
AUTÓMATAS CELULARES
CLASIFICACIÓN CON AUTÓMATAS CELULARES
RESULTADOS OBTENIDOS
TRABAJOS FUTUROS
PREGUNTAS
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
30 INDICE DEL SEMINARIO
Autómatas celulares multiestado aplicados a la clasificación contextual iterativa
TELEDETECCIÓN
AUTÓMATAS CELULARES
CLASIFICACIÓN CON AUTÓMATAS CELULARES
RESULTADOS OBTENIDOS
TRABAJOS FUTUROS
PREGUNTAS
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
31 CLASIFICACIÓN CON ACs
PROBLEMAS DE LOS ALGORITMOS SUPERVISADOS CLÁSICOS
Clasificación con trabajo de campo Clasificación con mínima distancia
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
32 CLASIFICACIÓN CON ACs
MATRIZ DE CONFUSIÓN (INDICE DE CALIDAD)
Matriz de confusión (80% bien clasificado, 20% mal clasificado)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
33 CLASIFICACIÓN CON ACs
PIXELES INCIERTOS EN EL PROCESO DE CLASIFICACIÓN
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
34 CLASIFICACIÓN CON ACs
ANÁLISIS DE LOS PROBLEMAS DE CLASIFICACIÓN CLÁSICA
Clasificación con trabajo de campo Clasificación con mínima distancia
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
35 CLASIFICACIÓN CON ACs
ANÁLISIS DE LOS PROBLEMAS DE CLASIFICACIÓN CLÁSICA
Píxeles erróneos Capas de la imagen originalArchivo SIG
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
36 CLASIFICACIÓN CON ACs
PÍXELES RUIDOSOS
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
37 CLASIFICACIÓN CON ACs
OBJETIVOS DEL ALGORITMO ACA
OBJETIVOS DE ACA
1. Pixeles inciertos: si esta próximo a dos clases, tomar la clasemayoritaria de alrededor (VECINDAD).
2. Eliminación del ruido: pixeles con ruido impulsivo (VECINDAD).
3. Clasificación iterativa en niveles de fiabilidad (ITERACIONES).
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
38 CLASIFICACIÓN CON ACs
DEFINICIÓN DEL AUTÓMATA CELULAR DE ACA
CONSIDERACIONES INICIALES
• Cada pixel de la imagen corresponde con una celda del AC.
• Cada clase de la clasificación corresponde a un estado de las celdas.
• La vecindad de cada celda corresponde con los 4, 8 ó 24 pixeles vecinos.
• La función de transición (f) debe clasificar correctamente cada pixel de la imagen, usando una fusión de clasificación espectral-contextual.
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
39 CLASIFICACION CON ACs
FILTRO DE MAYORÍA
MAJORITY FILTER
Filtro lógico: reetiqueta el pixel central.
Se usa la etiqueta de la clase mayoritaria.
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
40 CLASIFICACIÓN CON ACs
DEFINICIÓN DE LOS ESTADOS DEL AUTÓMATA CELULAR DE ACA
ESTADOS DEL AUTÓMATA CELULAR
AC multiestado: array de estados posibles [clase] [tipo][iteración]- Clase: clases del .sig.- Tipo: núcleo, frontera, ruidoso, caótico.- Iteración: grado de certidumbre en la clasificación de dicho píxel.
- Cto. de estados 1: clases del cto de entrenamiento, clase ruido, clase vacía.- Cto. de estados 2: núcleo foco, frontera, caótico, ruidoso.- Cto. de estados 3: 1..k, siendo k el número de iteraciones del AC.
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
41 CLASIFICACIÓN CON ACs
DEFINICIÓN DE LOS ESTADOS DEL AUTÓMATA CELULAR DE ACA
VALORES DE ENTRADA DEL AUTÓMATA CELULAR
Clases de la vecindad, clasificación espectral del píxel actual, k
, donde k es el número actual de iteración,y la clasificación espectral del píxel actual es:- Píxel bueno: clase a la que pertenece (si la distancia respecto a las otras es suficiente).- Píxel caótico: clases dudosas (si las distancias son parecidas).- Píxel ruidoso: clase ruido (para solventar ruido).
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
42 CLASIFICACIÓN CON ACs
DEFINICIÓN DE LAS REGLAS DEL AUTÓMATA CELULAR DE ACA
REGLAS DEL AUTÓMATA CELULAR
Si píxel bueno y está rodeado de vecinos de clase vacía o de la misma clase:
[clase][tipo][iteracion] = {clase píxel, núcleo de foco, k}
Si píxel bueno y tiene píxeles alrededor de distinta clase a la suya:[clase][tipo][iteracion] = {clase píxel, frontera, k}
Si píxel caótico:[clase][tipo][iteracion] = {clase mayoritaria de los vecinos de entre las clases dudosas, caótico, k}
Si píxel ruidoso:[clase][tipo][iteracion] = {clase mayoritaria de los vecinos, ruidoso, k}
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
43 CLASIFICACIÓN CON ACs
ARQUITECTURA COMPLETA DEL ALGORITMO ACA
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
44 CLASIFICACIÓN CON ACs
PSEUDOCÓDIO DEL ALGORITMO ACA PRINCIPAL
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
45 CLASIFICACIÓN CON ACs
PSEUDOCÓDIO DEL ALGORITMO ACA ESPECTRAL
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
46 CLASIFICACIÓN CON ACs
PSEUDOCÓDIO DEL ALGORITMO ACA CONTEXTUAL
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
47 CLASIFICACIÓN CON ACs
SIMULACIÓN DEL PROCESO DE CLASIFICACIÓN CON ACA
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
48 INDICE DEL SEMINARIO
Autómatas celulares multiestado aplicados a la clasificación contextual iterativa
TELEDETECCIÓN
AUTÓMATAS CELULARES
CLASIFICACIÓN CON AUTÓMATAS CELULARES
RESULTADOS OBTENIDOS
TRABAJOS FUTUROS
PREGUNTAS
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
49 INDICE DEL SEMINARIO
Autómatas celulares multiestado aplicados a la clasificación contextual iterativa
TELEDETECCIÓN
AUTÓMATAS CELULARES
CLASIFICACIÓN CON AUTÓMATAS CELULARES
RESULTADOS OBTENIDOS
TRABAJOS FUTUROS
PREGUNTAS
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
50 RESULTADOS OBTENIDOS
MATRIZ DE CONFUSIÓN DEL ALGORITMO DE MÍNIMA DISTANCIA
Clasificación con Mínima Distancia
Clasificación con trabajo de campo
Clase 1 Clase 2 Clase 3 Clase 4 Clase 5 Clase 6 Clase 7 Clase 8
Clase 1 0 0 0 0 0 0 0 0
Clase 2 789 6080 355 0 0 0 0 0
Clase 3 1247 0 9447 532 0 0 0 0
Clase 4 1547 0 2 11998 242 0 0 0
Clase 5 1555 0 0 52 12827 3 27 0
Clase 6 1027 0 0 47 281 8330 35 1
Clase 7 1513 0 0 0 250 12 13050 0
Clase 8 1396 0 0 0 0 66 381 11242
Píxeles bien clasificados: 72.974 / 90.601 = 80%
Matriz de confusión del algoritmo mínima distanciaArriba: Campo. Izquierda: Mínima distancia. (8 clases)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
51 RESULTADOS OBTENIDOS
MATRIZ DE CONFUSIÓN DEL ALGORITMO ACA
Clasificación con ACA
Clasificación con trabajo de campo
Clase 1 Clase 2 Clase 3 Clase 4 Clase 5 Clase 6 Clase 7 Clase 8
Clase 1 0 0 0 0 0 0 0 0
Clase 2 123 6326 611 54 62 11 18 14
Clase 3 179 0 9648 963 240 74 73 37
Clase 4 205 0 5 12282 777 252 174 73
Clase 5 194 0 1 58 13254 88 713 135
Clase 6 123 0 0 47 291 8699 161 330
Clase 7 130 0 0 1 254 16 13724 661
Clase 8 217 0 0 0 0 68 407 11966
Píxeles bien clasificados: 75.899 / 90.601 = 84%
Matriz de confusión del algoritmo ACAArriba: Campo. Izquierda: ACA. (8 clases)
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
52 RESULTADOS OBTENIDOS
COMPARACIÓN DE MÍNIMA DISTANCIA Y ACA
Clase 1 Clase 2 Clase 3 Clase 4 Clase 5 Clase 6 Clase 7 Clase 8
Clase 1 0 0 0 0 0 0 0 0
Clase 2 789 6080 355 0 0 0 0 0
Clase 3 1247 0 9447 532 0 0 0 0
Clase 4 1547 0 2 11998 242 0 0 0
Clase 5 1555 0 0 52 12827 3 27 0
Clase 6 1027 0 0 47 281 8330 35 1
Clase 7 1513 0 0 0 250 12 13050 0
Clase 8 1396 0 0 0 0 66 381 11242
Píxeles bien clasificados:72.974 / 90.601 = 80%
Matriz de confusión del algoritmo mínima distanciaClase 1 Clase 2 Clase 3 Clase 4 Clase 5 Clase 6 Clase 7 Clase 8
Clase 1 0 0 0 0 0 0 0 0
Clase 2 123 6326 611 54 62 11 18 14
Clase 3 179 0 9648 963 240 74 73 37
Clase 4 205 0 5 12282 777 252 174 73
Clase 5 194 0 1 58 13254 88 713 135
Clase 6 123 0 0 47 291 8699 161 330
Clase 7 130 0 0 1 254 16 13724 661
Clase 8 217 0 0 0 0 68 407 11966
Matriz de confusión del algoritmo ACA
Píxeles bien clasificados:75.899 / 90.601 = 84%
ACA Mejora un 4% los resultados¡OJO: mejorable!
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
53 RESULTADOS OBTENIDOS
CLASIFICADOR DE MÍNIMA DISTANCIA VS CLASIFICADOR ACA
Imagen original(7 capas, 300x300 p, 10% ruido)
Clasificación con Mínima Distancia Clasificación con ACA
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
54 RESULTADOS OBTENIDOS
CLASIFICACIÓN ITERATIVA
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
55 RESULTADOS OBTENIDOS
CLASIFICACIÓN JERARQUIZADA EN 8 NIVELES DE FIABILIDAD
Clasificación jerarquizada en 8 iteraciones del AC
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
56 RESULTADOS OBTENIDOS
CLASIFICACIÓN JERARQUIZADA EN 100 NIVELES DE FIABILIDAD
Clasificación jerarquizada en 100 iteraciones del AC
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
57 RESULTADOS OBTENIDOS
CLASIFICACIÓN JERARQUIZADA EN 100 NIVELES DE FIABILIDAD
Clasificación jerarquizada en 100 iteraciones del AC
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
58 INDICE DEL SEMINARIO
Autómatas celulares multiestado aplicados a la clasificación contextual iterativa
TELEDETECCIÓN
AUTÓMATAS CELULARES
CLASIFICACIÓN CON AUTÓMATAS CELULARES
RESULTADOS OBTENIDOS
TRABAJOS FUTUROS
PREGUNTAS
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
59 INDICE DEL SEMINARIO
Autómatas celulares multiestado aplicados a la clasificación contextual iterativa
TELEDETECCIÓN
AUTÓMATAS CELULARES
CLASIFICACIÓN CON AUTÓMATAS CELULARES
RESULTADOS OBTENIDOS
TRABAJOS FUTUROS
PREGUNTAS
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
60 TRABAJOS FUTUROS
FUTURAS MEJORAS DEL ALGORITMO ACA
TRABAJOS FUTUROS
-Desarrollo de nuevas versiones del algoritmo de ACA con una configuración de estados y reglas del autómata celular distintas para personalizar aun mas el proceso de clasificación.
-Utilizar mejora no sólo en clasificación contextual sino también en clasificación textural.
- Utilización de agentes de software para reducir el coste computacional, recorriendo varias regiones de la imagen en paralelo.
- Creación de un plugin para la herramienta Erdas Imagine que permita una clasificación personalizada basada en autómatas celulares.
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
61 INDICE DEL SEMINARIO
Autómatas celulares multiestado aplicados a la clasificación contextual iterativa
TELEDETECCIÓN
AUTÓMATAS CELULARES
CLASIFICACIÓN CON AUTÓMATAS CELULARES
RESULTADOS OBTENIDOS
TRABAJOS FUTUROS
PREGUNTAS
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
62 INDICE DEL SEMINARIO
Autómatas celulares multiestado aplicados a la clasificación contextual iterativa
TELEDETECCIÓN
AUTÓMATAS CELULARES
CLASIFICACIÓN CON AUTÓMATAS CELULARES
RESULTADOS OBTENIDOS
TRABAJOS FUTUROS
PREGUNTAS
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
63 PREGUNTAS
PREGUNTAS
RUEGOS YPREGUNTAS
PROYECTO SOLERES, equipo de imágenes de satélite A. Moisés Espínola Pérez
Aut
ómat
as C
elul
ares
Mul
tiest
ado
aplic
ados
a la
Cla
sific
ació
n C
onte
xtua
l Ite
rativ
a de
Imág
enes
de
Sat
élite
64 FIN DEL SEMINARIO
AGRADECIMIENTOS
¡MUCHAS GRACIASPOR LA ATENCION!